小白学 Python 数据分析(17):Matplotlib(二)基础操作
极客挖掘机 人气:0
![](https://cdn.geekdigging.com/python/spider-blog/Python_logo.jpg)
> 人生苦短,我用 Python
前文传送门:
[小白学 Python 数据分析(1):数据分析基础](https://www.geekdigging.com/2020/01/19/6719980708/)
[小白学 Python 数据分析(2):Pandas (一)概述](https://www.geekdigging.com/2020/01/20/6718497214/)
[小白学 Python 数据分析(3):Pandas (二)数据结构 Series](https://www.geekdigging.com/2020/02/04/3234667780/)
[小白学 Python 数据分析(4):Pandas (三)数据结构 DataFrame](https://www.geekdigging.com/2020/02/05/9920298470/)
[小白学 Python 数据分析(5):Pandas (四)基础操作(1)查看数据](https://www.geekdigging.com/2020/02/16/6852411690/)
[小白学 Python 数据分析(6):Pandas (五)基础操作(2)数据选择](https://www.geekdigging.com/2020/02/20/6566891797/)
[小白学 Python 数据分析(7):Pandas (六)数据导入](https://www.geekdigging.com/2020/02/23/7355903936/)
[小白学 Python 数据分析(8):Pandas (七)数据预处理](https://www.geekdigging.com/2020/02/25/9013297409/)
[小白学 Python 数据分析(9):Pandas (八)数据预处理(2)](https://www.geekdigging.com/2020/02/27/2857868620/)
[小白学 Python 数据分析(10):Pandas (九)数据运算](https://www.geekdigging.com/2020/02/29/5808964196/)
[小白学 Python 数据分析(11):Pandas (十)数据分组](https://www.geekdigging.com/2020/03/03/5975552137/)
[小白学 Python 数据分析(12):Pandas (十一)数据透视表(pivot_table)](https://www.geekdigging.com/2020/03/04/8327177610/)
[小白学 Python 数据分析(13):Pandas (十二)数据表拼接](https://www.geekdigging.com/2020/03/06/5036602239/)
[小白学 Python 数据分析(14):Pandas (十三)数据导出](https://www.geekdigging.com/2020/03/07/6918490736/)
[小白学 Python 数据分析(15):数据可视化概述](https://www.geekdigging.com/2020/03/09/7393240956/)
[小白学 Python 数据分析(16):Matplotlib(一)坐标系](https://www.geekdigging.com/2020/03/14/2444388683/)
## 坐标轴标题设置
各位同学好,我又来了,本文给大家带来的是有关 Matplotlib 的一些基础操作。
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/nuli.jpg)
在前一篇文章中,我们介绍了如何使用 Matplotlib 绘制坐标系,本文我们接着介绍 Matplotlib 。
先看一个简单的示例:
```python
import matplotlib.pyplot as plt
x_data = ['2011','2012','2013','2014','2015','2016','2017']
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlabel('年份')
plt.ylabel('销量')
plt.plot(x_data, y_data)
plt.show()
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou.png)
好像哪里不太对的样子,横轴和数轴的标题没有显示出来,看一下程序运行,没有报错,但是报出来一个警告:
```shell
RuntimeWarning: Glyph 24180 missing from current font.
```
这个警告的含义是 plt 画图是找不到字体,那么这里我们手动设置一下字体:
```python
plt.rcParams['font.sans-serif']=['SimHei']
```
完整的样例代码如下:
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = ['2011','2012','2013','2014','2015','2016','2017']
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlabel('年份')
plt.ylabel('销量')
plt.plot(x_data, y_data)
plt.show()
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou_1.png)
这下显示正常了。
我们还可以通过参数 `labelpad` 设置标题到坐标轴的距离,这里为了演示效果设置的距离稍微大了点:
```python
plt.xlabel('年份', labelpad=50)
plt.ylabel('销量', labelpad=50)
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou_2.png)
我们还可以通过参数对文本的相关属性进行设置,下面看下一些常用的设置参数:
```python
plt.xlabel('年份', labelpad=50, fontsize='xx-large', fontweight='bold', rotation='vertical', backgroundcolor='red')
plt.ylabel('销量', labelpad=50)
```
先看结果:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou_3.png)
xlabel 中常用的一些参数:
* fontsize : 设置字体大小,默认12,可选参数 ['xx-small', 'x-small', 'small', 'medium', 'large','x-large', 'xx-large']
* fontweight : 设置字体粗细,可选参数 ['light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black']
* fontstyle : 设置字体类型,可选参数[ 'normal' | 'italic' | 'oblique' ],italic斜体,oblique倾斜
* verticalalignment : 设置水平对齐方式 ,可选参数 : 'center' , 'top' , 'bottom' ,'baseline'
* horizontalalignment : 设置垂直对齐方式,可选参数:left,right,center
* rotation : (旋转角度)可选参数为:vertical,horizontal 也可以为数字
* alpha : 透明度,参数值0至1之间
* backgroundcolor : 标题背景颜色
* bbox : 给标题增加外框 ,常用参数如下:
* boxstyle 方框外形
* facecolor (简写fc)背景颜色
* edgecolor (简写ec)边框线条颜色
* edgewidth 边框线条大小
## 刻度设置
默认坐标轴是显示 x y 的值,但是也可以自定义显示不同的刻度,这里需要使用到的函数为 `xticks` 和 `yticks` 两个函数:
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xticks(x_data, ['2011年','2012年','2013年','2014年','2015年','2016年','2017年'])
plt.yticks(y_data)
plt.plot(x_data, y_data)
plt.show()
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou_4.png)
有些时候,由于数据脱敏的需要,我们不要显示刻度,还可以这么写:
```python
plt.xticks(x_data, [])
plt.yticks(y_data, [])
```
这样展现出来的图形如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou_5.png)
实际上,我们还有更狠的操作,直接关闭坐标轴:
```python
plt.axis("off")
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou_7.png)
## 范围设置
我们还可以对坐标轴的范围进行设置,如下:
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.xlim(2011, 2020)
plt.ylim(50000, 90000)
plt.plot(x_data, y_data)
plt.show()
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou_6.png)
这里设置在 Y 轴上最大值为 90000 ,那么 2016 和 2017 对应的数据将会无法显示,实际我们从得出的结果图上也能看出这一点。
## 网格线设置
网格线默认是关闭的,我们可以通过函数 `grid` 修改参数 `b` 来开启网格线,如下:
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.plot(x_data, y_data)
plt.grid(b=True)
plt.show()
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/zuobiaozhou_8.png)
我们不仅可开启网格线,还可以通过参数 `axis` 来控制是开启哪个轴的网格线:
```python
# 开启 x 轴网格线
plt.grid(b=True, axis='x')
# 开启 y 轴网格线
plt.grid(b=True, axis='y')
```
## 图例设置
图例能对图表起到注释的作用,我们可以通过参数 `label` 对该图表的图例进行设置,示例如下:
```python
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
x_data = [2011,2012,2013,2014,2015,2016,2017]
y_data = [58000,60200,63000,71000,84000,90500,107000]
plt.plot(x_data, y_data, label = '折线图')
plt.bar(x_data, y_data, label = '柱状图')
plt.legend()
plt.show()
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/tuli.png)
## 图表标题设置
图表标题是用来概括整张图表现的内容的,我们可以通过如下方式设置一张图的标题:
```python
plt.title(label='xxx 公司 xxx 产品销量')
```
结果如下:
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/tubiaobiaoti.png)
本文的内容就到这里了,下一篇我们介绍 Matplotlib 的常用图表的示例,本文的示例代码写的有点乱,就不贴出来了,当然,如果经常看小编写的文章的估计都找得到。
![](https://cdn.geekdigging.comhttps://img.qb5200.com/download-x/data_analysishttps://img.qb5200.com/download-x/data_visualization/tiaopi.gif)
## 参考
https://blog.csdn.net/The_Time_Runner/articlehttps://img.qb5200.com/download-x/details/89927708
加载全部内容